Bài viết gần đây

| Gia Tăng Hiệu Suất Sinh Lời: Tinh Chỉnh Mà Không Overfitting

Gia Tăng Hiệu Suất Sinh Lời: Tinh Chỉnh Mà Không Overfitting

Buổi 22 khép lại với nguyên tắc quan trọng: tăng hiệu suất không đồng nghĩa với việc tìm tham số “đẹp nhất” trên 1 giai đoạn dữ liệu cụ thể.

Walk-forward testing cơ bản

giai_doan = chia_du_lieu_thanh_n_phan(df, n=5)
ket_qua_moi_giai_doan = [backtest(gd, tham_so) for gd in giai_doan]
do_on_dinh = np.std(ket_qua_moi_giai_doan)

Một bộ tham số cho kết quả tốt và ổn định qua nhiều giai đoạn dữ liệu khác nhau đáng tin cậy hơn nhiều so với bộ tham số chỉ tốt vượt trội ở một giai đoạn duy nhất — dấu hiệu điển hình của overfitting.

📌 Muốn tự tay xây dựng Bot Auto Trading hoàn chỉnh bằng Python?
Khóa Vibe Code Python Bot Auto Trading (K11) tại Hướng Nghiệp Dữ Liệu — 24 buổi đi từ nền tảng Python đến triển khai Bot thật trên VPS, có Coaching 1-1 trong 1 năm.
📞 Hotline/Zalo: 0927 909 257

admin

admin

Biên tập viên, Hướng Nghiệp Dữ Liệu
305 Bài viết
15.4k Người theo dõi
120k+ Lượt đọc

Biên tập viên nội dung tại Hướng Nghiệp Dữ Liệu, phụ trách tổng hợp và biên soạn các bài viết về lập trình Python, dữ liệu và công nghệ.

Liên hệ Zalo